“Der Begriff ‚Regime Shift‘ bezieht sich üblicherweise auf Veränderungen der Umwelt und damit auf die ontologische Unsicherheit. Im Hinblick auf die Informationsverarbeitung spielt es aber keine Rolle, ob sich Umweltbedingungen oder lediglich die Wahrnehmung der Umwelt verändert haben (ontologische vs. epistemologische Unsicherheit). Für Business Intelligence und Data Warehousing geht es in beiden Fällen darum, neue Zusammenhänge schnell zu erkennen und neue Daten schnellstmöglich und reibungslos in bestehende Modelle zu integrieren.
Die COVID-19-Pandemie ist ein klassisches Beispiel hierfür. Es war zu erwarten – und wird auch durch die Forschung bestätigt – dass Maßnahmen zur Eindämmung der Pandemie (Lockdowns, Arbeit im Home-Office, Ausgangssperren) zur veränderten Verbrauchsmustern im täglichen Wasserverbrauch geführt haben. Verbrauchsdaten werden von vielen Versorgern regelmäßig erhoben – entweder direkt durch Messung beim Kunden oder indirekt in Form von Betriebsdaten. Epidemiologische Daten und Daten bezüglich regulatorischer nicht-pharmazeutischer Interventionen (NPIs) andererseits standen auf Portalen der Universität Oxford schon ab März 2020 zur Verfügung. Aber während Verbrauchsdaten eine zentrale Rolle in den Informationsarchitekturen der meisten Versorger spielen dürften, werden medizinische oder NPI-bezogene Daten aus deren Sicht wohl eher als ‚exotisch‘ gelten.
Wie schnell lassen sich derartige ‚domänenfremde‘ nutzen, wenn sie plötzlich aufgrund eines regime shifts oder neuer Erkenntnisse relevant geworden sind? Nicht nur als ad-hoc-Uploads, sondern vollständig in bestehende Informationsmodelle integriert. Die Beantwortung dieser Frage kann Anhaltspunkte für die Messung der Flexibilität von Informationsarchitekturen liefern. Im Rahmen von MigHANA werden Beispiele wie dieses stattdessen zur Entwicklung einer flexiblen Referenzarchitektur genutzt.”